1. Lo primero que tenemos que preguntarnos es cuál era el error tipo 1

1. Lo primero que tenemos que preguntarnos es cuál era el poder estadístico

1. Es un error habitual decir que se ha demostrado que el suplemento funciona

1. Ninguna es correcta

1. Se calculan alrededor de los parámetros

1. Complementan la estimación de los estadísticos

1. Son más estrechos cuanto menor sea el tamaño de la muestra

1. Son significativos cuando el valor de p es mayor de 0,05

1. Implica un 95% de probabilidades de obtener un resultado significativo

1. Indica que el 95% de IC calculados de esa manera a largo plazo contendrán el valor real

1. Implican que alfa = 0,5

1. Todas son ciertas

1. Contendrá el ~95% de las medias de estudios futuros

1. Contendrá el ~5% de las medias de estudios futuros

1. Contendrá el ~83% de las medias de estudios futuros

1. Contendrá todas las medias de estudios futuros

1. MA Y RS - Cohortes - RCT - Series de casos - Casos y controles - Opiniones de expertos

1. RCT - Series de casos - MA y RS - Casos y controles - Cohortes - Opiniones de expertos

1. Opiniones de expertos - Series de casos - Estudios de cohortes - RCT - Series de casos - MA y RS

1. MA y RS - RCT - Cohortes - Casos y controles - Series de casos - Opiniones de expertos

1. Sobrevalorar metaanálisis poco informativos

1. Infravalorar estudios observacionales muy informativos

1. No valorar otros aspectos metodológicos

1. Todas son correctas

1. Entran dentro de la investigación secundaria

1. Si obtienen resultados significativos consistentemente, son suficientes para aprobar un medicamento en humanos

1. Sigue siendo objeto de debate hasta qué punto son útiles para inferir resultados en humanos

1. Todas son correctas

1. Los estudios en animales no permiten circunstancias tan controladas

1. La mayoría de medicamentos que muestran utilidad en investigación básica no llegan a aprobarse

1. Nunca ha sido útil para elaborar hipótesis en humanos

1. Ninguna es correcta

1. La imposibilidad de intervenir

1. La ausencia de un contrafacto

1. La falta de información sobre cada paciente individual

1. El limitado presupuesto

1. Se rechaza la hipótesis alternativa

1. Se rechaza la hipótesis nula

1. Debemos buscar su cálculo del tamaño de la muestra

1. No lo interpretamos igual si p=0,1 que si p=0,8

1. Un test que nos permita falsar que la intervención tiene un efecto relevante

1. Un ensayo clínico aleatorizado

1. Tener varios estudios con poder suficiente para detectar un efecto relevante que den resultados nulos

1. Un test que nos permita falsar que la intervención es beneficiosa

1. El resultado pierde valor porque es más fácil obtener diferencias significativas con muestras pequeñas, por azar

1. La hipótesis nula ha pasado una prueba más severa que con una muestra grande si todo lo demás es igual

1. La hipótesis alternativa ha pasado una prueba más severa que con una muestra grande si todo lo demás es igual

1. Los resultados observados son poco compatibles con la hipótesis nula

1. Menos incertidumbre

1. Si todo lo demás es igual, indica que la muestra es menor

Mayor probabilidad subjetiva de que el valor real se encuentre en ese IC

1. Mayor probabilidad de que el valor real se encuentre en ese IC a largo plazo

1. Se fija un nivel de confianza previamente que puede ser del 99,5%

1. Se fija un nivel de confianza previamente que puede ser del 95%

1. Si todo lo demás es igual, se obtendrá un IC más estrecho si el efecto es mayor

1. Si todo lo demás es igual, se obtendrá un IC más estrecho si el nivel de confianza es mayor

1. El valor real de la población es fijo y los IC variarán a su alrededor

1. 95 contendrán el valor real de la población

1. El estadístico estará en el 95% de los IC

1. Es posible que todos contengan el valor real de la población

1. Los resultados numéricos suelen ser muy diferentes

1. Los datos se consideran fijos y los parámetros se consideran variables aleatorias

1. Suelen ser del 90%

1. Podemos decir que contiene los valores más plausibles

1. En ciencias de la salud, si tenemos dos estudios muy bien ejecutados, es probable que el que esté más arriba en la pirámide sea más útil o informativo para inferir causalidad

1. La posición en la pirámide de la evidencia no puede compensar problemas metodológicos graves

1. La opinión de los expertos se encuentra en la parte inferior

1. Es el único modelo viable de jerarquización de la evidencia

1. A las farmacéuticas probablemente les interesaría que se aprobasen medicamentos con base en ella

1. Es útil porque podemos modelar todos los procesos del cuerpo humano y sacar inferencias fiables

1. Su complejidad es una circunstancia ideal para los charlatanes

1. Es poco útil para inferir causalidad porque está en la parte inferior de la pirámide de la evidencia

1. Puede servir para generar nuevas hipótesis

1. Suele servir para descartar viejas hipótesis

1. Si un medicamento no parece funcionar en una serie de casos, probablemente podamos descartar que tenga un efecto causal

1. No es lo mismo que un estudio de casos y controles